Kirjoittajat Sarah Glaser, Laëtitia Joly ja Katia Pinquier, opiskelijat, jotka opiskelevat Soveltavan vieraiden kielten maisteri Grenoble Alpes -yliopistossa.

I - Tekoälyn nousu käännösalalla 

Tekoälyn kehitys ja sen integrointi käännöstyöhön

Tekoälyn koettua merkittävää kehitystä viime vuosikymmeninä, se on vaikuttanut useisiin aloihin, mukaan lukien kääntämiseen. Tekoälyn käyttö kääntämisessä sai alkunsa 1950-luvulla sääntöpohjaisen konekäännöksen (RBMT) myötä (Vinson, 2025). Se perustui ennalta määriteltyihin kielitieteellisiin sääntöihin tekstin kääntämiseksi kielestä toiseen. Säännöt piti kuitenkin syöttää manuaalisesti, mikä vei paljon aikaa, eivätkä käännökset olleet kovin tarkkoja.

Sitten 1980-luvulla syntyi tilastollinen konekääntäminen (SMT). Sen avulla tietokoneet pystyivät analysoimaan suuria kaksikielisiä korpuksia ja yhdenmukaistamaan sanoja ja lauseita tilastojen avulla. Oli kuitenkin vaikeaa kääntää tarkasti kielten välillä, joissa oli merkittäviä kieliopillisia eroja, esimerkiksi englannin ja japanin välillä.

2010-luvulla neuroverkkopohjainen konekääntäminen (NMT) toi mukanaan merkittävän muutoksen alalla. Samoin kuin SMT:ssä, tietokonetta koulutettiin käyttämällä suuria kaksikielisiä korpuksia, mutta syväoppimisalgoritmien ja neuroverkkojen ansiosta käännökset olivat tarkempia kuin koskaan ennen ("History of AI Translation", 2022). Tämä tarkkuus teki NMT:stä erittäin suositun ja loi merkittävän muutoksen käännösalalla.

2020-luvun alusta lähtien on syntynyt generatiivisia tekoälymalleja. Euroopan unionin tekoälylaki (2023, artikla 28 b(4)) määrittelee generatiivisen tekoälyn "tekoälyjärjestelmissä käytettäviksi perustuloiksi, jotka on erityisesti tarkoitettu tuottamaan vaihtelevalla autonomialla sisältöä, kuten monimutkaista tekstiä, kuvia, ääntä tai videota". Se eroaa perinteisestä tekoälystä, joka keskittyy tiettyihin tehtäviin, kuten luokitteluun, ennustamiseen tai määriteltyyn ongelmanratkaisuun. Generatiivisen tekoälyn tavoitteena on tuottaa uutta dataa, joka muistuttaa ihmisen luomaa sisältöä. Generatiiviset mallit, kuten OpenAI:n ChatGPT, ovat osoittaneet pätevyyttä kielen ymmärtämisessä ja kääntämisessä, ja ne voivat tuottaa kontekstuaalisesti tarkkoja käännöksiä, vaikka ne eivät olekaan varsinaisia ​​käännösohjelmistoja.

Käännöstyökalut ja niiden riippuvuus tekoälystä

Käännösalalla on nähty tekoälypohjaisten työkalujen lisääntymistä, joiden tarkoituksena on tehdä kääntämisestä tehokkaampaa ja helpommin saavutettavaa.

Käännöstyökalut, kuten DeepL tai Google Translate, käyttävät tekoälyä käännöstensä parantamiseen. Vaikka näillä työkaluilla on joitakin etuja, niillä on silti rajoituksensa. Esimerkiksi kontekstin väärintulkinta, kulttuuristen vivahteiden väärinymmärtäminen ja idiomaattisten ilmaisujen epätarkka kääntäminen ovat toistuvia ongelmia tekoälykäännöksissä. Lisäksi tekoälyn luomat käännökset voivat kamppailla erittäin erikoistuneen tai arkaluontoisen sisällön kanssa, jossa ihmisen asiantuntemus on edelleen välttämätöntä.

Vaikka tekoäly on muuttanut käännösalaa perusteellisesti, se ei vielä pysty täysin korvaamaan ihmiskääntäjiä. Vaikka se on erinomainen suurten tekstimäärien nopeassa käsittelyssä, ihmiskääntäjät tarjoavat kriittisiä elementtejä, kuten kulttuurisensitiivisyyden, luovan sopeutumisen ja syvällisen kontekstuaalisen ymmärryksen.

II - Tiedonhankinta ja eettiset huolenaiheet

Kuten kaikkien digitaalisten järjestelmien kohdalla, tekoälyä tai käännösmalleja on "koulutettava". Tässä yhteydessä puhumme järjestelmän "kouluttamisesta", mikä edellyttää käyttövalmiiden tietojen keräämistä kaikkialta, missä niitä on saatavilla. Mutta digitalisoituneessa aikakaudessamme, jossa kaiken on oltava tehokkaampaa ja nopeampaa, näiden järjestelmien toimintaa koskevat lait jäävät usein jälkeen. Tekoälyohjelmoijat ja -palveluntarjoajat olettavat sitten, että heillä on vapaat kädet toimia haluamallaan tavalla. kunnes päätöksiä on tehty. Viime aikoina merkittävämmät organisaatiot ovat pyrkineet lisäämään tietoisuutta tekoälyjärjestelmien toiminnan herättämistä eettisistä kysymyksistä.

Suurten tietojoukkojen tarve tekoälykoulutuksessa

Tekoälymallien moitteeton toiminta edellyttää suurta tietojoukkoa. Otetaan esimerkiksi annettu selitys. wonk.ai verkkosivusto (Mohammed et al., 2024), joka tarjoaa tekoälypohjaisia ​​käännösmalleja eri yrityksille. Heidän mukaansa heidän käännösmallinsa koulutetaan seuraavien viiden vaiheen avulla. Ensimmäinen vaihe on kielidatan kerääminen verkkosivustoilta, sanastoista, kielitietokannoista, dokumenteista jne. Tämä auttaa järjestelmää integroimaan kielisääntöjä, sanastojen määriteltyjä termejä, äänensävyä tai kirjoitustyyliä. Toinen vaihe sisältää kieliparien poimimisen kerätystä datasta lauseparien löytämiseksi, jotka auttavat järjestelmää ymmärtämään kontekstia paremmin ja parantamaan käännöstulosta. Kolmas vaihe on kielidatan käsittely eli validointi, puhdistaminen ja yhdistäminen koulutusta varten. Tämä on välttämätöntä, koska joidenkin kerättyjen tekstien käännökset löytyvät muualta ja ne on yhdistettävä toisiinsa. Neljäs vaihe on itse tekoälykoulutus, jossa kerätty data kootaan koulutuskorpukseksi, ja koulutus jatkuu, kunnes tekoälyn tulos on riittävän hyvä arviointia varten. Viides ja viimeinen vaihe on asiakkaiden, jotka ovat käännöspäälliköitä, tekemä arviointi.

Kaiken tämän jälkeen tekoälymalli jatkaa oppimista, minkä vuoksi sitä pidetään hyödyllisenä useilla aloilla. Tätä varten oikoluku on ratkaisevan tärkeää, jotta järjestelmälle voidaan antaa palautetta ja siten parantaa sitä. Hyvän tekoälykäännösmallin hankkiminen vie tietenkin aikaa ja maksaa, ja jokainen tekoälypalveluntarjoaja pyrkii saavuttamaan "ihmislaatuisen tason".

Tämä tiedonkeruu on kuitenkin erittäin riippuvainen järjestelmän loppukäyttäjästä ja kieliparista. Käännöksissä sävy, terminologia ja fraseologia vaihtelevat paljon eri aloilla. Viime vuosina tekoälykäännösjärjestelmiä on käytetty yhä enemmän oikeudellisissa käännöksissä, pääasiassa kustannusten vähentämiseksi ja tehokkuuden parantamiseksi. Tällöin koulutusvaihe on ratkaiseva: käännösjärjestelmän kouluttamiseen tarvitaan oikeudellisia tekstejä, mutta niitä ei löydy tai käytetä niin helposti. Lisäksi oikeusjärjestelmät vaihtelevat maittain, mikä on toinen koulutusvaiheessa otettava huomioon. Kuten maaliskuussa 2024 julkaistussa tutkimuksessa (Moneus & Sahari, 2024) todettiin, kielten välillä on myös eroavaisuuksia: kiina on abstrakti ja metaforinen, kun taas englanti on lineaarinen ja looginen. Tämä tarkoittaa, että tekoälyjärjestelmiä on vielä parannettava, ja niitä voitaisiin auttaa tarjoamalla enemmän kaksikielistä dataa myös harvinaisemmille kielille.

Tiedonhankinnan eettiset vaikutukset

Generatiiviset tekoälyjärjestelmät, kuten ChatGPT, perustuvat kirjoista, artikkeleista, verkkosivustoilta, sosiaalisen median julkaisuista jne. kerättyyn dataan. Kuten aiemmin totesimme, ne vaativat koulutusvaiheen, jonka aikana "laajaa tekstidatan aineistoa käytetään puheenkäsittelyalgoritmien ohjaamiseen" (Lucchi, 2024, s. 617). Tämä johtaa moniin immateriaalioikeuksiin liittyviin ongelmiin, koska käytetyt lähteet voivat sisältää tekijänoikeuksin suojattuja teoksia sekä oikeudellisia näkökohtia. Tässä yhteydessä "ChatGPT:n kehittämisestä ja koulutuksesta vastaavat ohjelmoijat ovat vastuussa siitä, että koulutusdata pysyy tekijänoikeusrikkomuksista vapaana" (Lucchi, 2024, s. 617). Siksi uusimmissa suosituksissa vaaditaan suurempaa läpinäkyvyyttä käytettyjen lähteiden tai näiden järjestelmien toimintatavan suhteen.  

Ohjelmoijan näkökulmasta on hyväksyttävää käyttää vapaasti saatavilla olevaa tekijänoikeuksin suojattua dataa, koska järjestelmä käyttää tietoa inspiraation lähteenä uuden materiaalin ja kekseliäiden tulosten esittämiseen. Tekoälyalgoritmit käyttävät enimmäkseen valtavia määriä dataa, joka on välttämätöntä järjestelmän suorituskyvyn parantamiseksi, minkä vuoksi ensimmäinen askel olisi laatia selkeät tiedonjakosopimukset datan tarjoajien ja tekoälyohjelmoijien välille. Se mahdollistaisi tekijänoikeuksin suojatun datan laillisen käytön koulutustarkoituksiin.

Keskeinen ongelma on se, että tekoäly ei pysty tuottamaan aitoja ideoita. Päinvastoin, se luottaa siihen dataan, jolla sitä on opetettu luomaan uudelleenjärjestettyjä tekstejä. Kun tekstin kirjoittaa ihminen, lähteiden mainitsemista pidetään moraalisena vastuuna sekä keinona välttää plagiointia ja varmistaa työnsä luotettavuus. Jos kuitenkin otamme esimerkiksi ChatGPT:n, jonka vastaus perustuu laajaan harjoitusdataan, se ei ole aina tarkka ja saattaa "unohtaa" mainita lähteensä. Vaikka käyttäjä pyytäisi niitä, se joskus jopa keksii olemattomia teoksia, mikä lisää entisestään epäuskottavuutta. Siksi tietämättömät käyttäjät eivät välttämättä tiedä käyttäneensä jonkun toisen työtä. Lisäksi harjoitusdatan alkuperäiset luojat eivät ole tietoisia siitä, että heidän työtään varastetaan!

III - Immateriaalioikeudet ja oikeudelliset haasteet

Kun puhutaan tekijänoikeuden luvattomasta käytöstä, viittaamme immateriaalioikeuksien loukkaamiseen. Immateriaalioikeuden ytimessä on tekijänoikeuden käsite. Anglosaksisesta oikeusperinteestä lähtöisin oleva käsite antaa tekijöille yksinoikeudet alkuperäiseen teokseensa varmistaen, että heillä on määräysvalta kopiointiin, jakeluun ja sovittamiseen. Nykyään se on yhdenmukainen eurooppalaisen käsitteen kanssa Tekijänoikeus, tekijänoikeuden vastine, lisäämällä "moraalisten oikeuksien" ulottuvuuden. Nämä oikeudet korostavat tekijän henkilökohtaista yhteyttä teokseensa, mukaan lukien oikeus tulla tunnustetuksi luojana (Blésius, 2008). Näemme, miten nämä ovat merkityksellisiä käännöksen yhteydessä.

Käännösten omistajuus: Ihmisen tekemä käännös

Käännöksen omistajuus herättää tärkeitä kysymyksiä. On mielenkiintoista tietää, kenelle käännökseen liittyvät tekijänoikeudet kuuluvat, sekä taloudellisesta että tunnustamisen näkökulmasta. Itse asiassa omistajuuskysymys on kaksiosainen, varsinkin jos käytössä on työkalu, kuten SDL Trados Studio käytetty – Kuka omistaa lopullisen käännöstyön kääntäjän ja tilaajan välillä? Voidaanko tekoälyn luomille käännöksille antaa omistusoikeudet? Kuka omistaa kehotteesta luodun sisällön?

Käännös ei ole ainoastaan ​​ilmaisukeino, vaan myös taidemuoto, ja sellaisenaan sitä suojaavat useat oikeudelliset puitteet, jotka turvaavat sen tekijöiden tekijänoikeudet. Esimerkiksi Bernin yleissopimuksen kirjallisten ja taiteellisten teosten suojaamisesta (toinen osa, FI jakso, .2) artiklan 3(2) mukaan "Kirjallisen tai taiteellisen teoksen käännökset, sovitukset, musiikin sovitukset ja muut muutokset suojataan alkuperäisteoksina rajoittamatta alkuperäisteoksen tekijänoikeutta." Vuoden 1994 TRIPS-sopimuksen mukaan artiklan 10(2) mukaan "tietojen tai muun aineiston kokoelmat, joko koneellisesti luettavassa tai muussa muodossa, jotka sisällön valinnan tai järjestelyn vuoksi muodostavat henkisen luomuksen, suojataan sellaisina."

Kuten näissä kansainvälisissä sopimuksissa todetaan, kääntäjän tekemää käännöstä suojataan kuten mitä tahansa muuta taiteellista teosta ja se on siten myös tekijänoikeuden lähde. Ensimmäiseen kysymykseen vastaaminen on helppoa. Koska käännöstä pidetään alkuperäisteoksena ja sitä suojaavat tekijänoikeudet, nämä tekijänoikeudet kuuluvat kääntäjälle.

Vastaus ei kuitenkaan ole näin yksinkertainen. Ensinnäkin meidän on erotettava toisistaan ​​freelance-kääntäjät ja käännöstoimiston palkkaamat kääntäjät. Käännöstoimiston palkkaamien kääntäjien kohdalla ”monien maiden työlainsäädännön mukaan työntekijät siirtävät automaattisesti luomiensa teosten immateriaalioikeudet työnantajilleen” (Smith, 2009, s. 8). Tässä tilanteessa on selvää, että luotu käännös kuuluu yritykselle, joka sitten myy sen sen tilanneelle asiakkaalle. Tämä pätee myös käännösmuisteihin, riippumatta siitä, toimittiko ne käännöstoimisto vai asiakas: ”termipankkeja tai käännösmuisteja luovien palkattujen työntekijöiden tapauksessa nämä oikeudet siirtyvät automaattisesti organisaatioille, joille he työskentelevät” (op.cit.).

Freelance-kääntäjille kyse on sopimuksesta asiakkaan kanssa. Kääntäjä on aina tekijänoikeuksien ensimmäinen omistaja. Myymällä työnsä asiakkaalleen hän luovuttaa tekijänoikeudet pois. Vaikka tekijänoikeudet siirrettäisiin, kääntäjä ei kuitenkaan ole vastuussa asiakkaan tekemistä luvattomista muutoksista (Blésius, 2008). Tämä pätee myös kääntäjän tietylle teokselle luomiin käännösmuisteihin ja termipankkeihin: "ellei tekijänoikeuksia ole aiemmin siirretty sopimuksen nojalla, käännösmuistit kuuluvat ne luoneille kääntäjille" (Smith, 2009, s. 8).

Mutta entä tekoälyn luoma käännös?

Käännösten omistajuus: Tekoälyjärjestelmät

Kuten tässä artikkelissa aiemmin todettiin, generatiiviset tekoälyjärjestelmät toimivat kouluttamalla algoritmejaan suurilla tietojoukoilla ja sisällyttämällä niitä niihin. Näitä tietoja ei aina hankita laillisesti, eivätkä algoritmit useimmissa tapauksissa mainitse lähteitään vastatessaan kysymykseen. Järjestelmät, kuten ChatGPT (amerikkalainen) tai Mistral (ranskalainen), pystyvät tarjoamaan lähes ihmismäisen kaltaisen käännöksen ja luovat siten pelon "ihmiskäännöksen lopusta". Tekoäly on nopeasti kehittyvä teknologiaa on läsnä lähes kaikilla aloilla ja on tullut olennainen osa käännöstyötä. Sen myötä syntyy uusia oikeudellisia kysymyksiä, joita tulisi pohtia – Kenelle tällaisen käännöksen omistusoikeus tulisi antaa? Tekoälytyökalun asiakkaalle, kehittäjälle vai yksinkertaisesti itse järjestelmälle? 

Vuonna 2022 kuvataiteilijat nostivat Yhdysvalloissa ryhmäkanteen Stability AI:ta vastaan ​​väittäen, että yritys oli käyttänyt heidän tekijänoikeudella suojattua teostaan ​​tekoälymallinsa kouluttamiseen ilman heidän suostumustaan. Oikeus hyväksyi osittain ja hylkäsi osittain vastaajien vaatimuksen. Oikeus antoi suoran tekijänoikeusrikkomuskanteen käsiteltäväksi tunnustaen, että kysymys siitä, loukkaavatko tekoälymallit tekijänoikeuksia, on ratkaisematon ja riippuu kunkin tapauksen yksityiskohdista (Madigan, 2024). 

Yhdysvaltain hallitus teki hiljattain uuden päätöksen 29. tammikuuta 2025 (Dreyfus Law Firm, 2025). Se korostaa vaatimuksia, jotka on täytettävä tekoälyn luoman sisällön hyväksymiseksi tekijänoikeudella suojattavaksi teokseksi. Päätöksen mukaan tekoälyn luoma sisältö voidaan suojata tekijänoikeudella seuraavin ehdoin: Ihmisen osallistuminen luovaan prosessiin on riittävää, eli materiaalia ei ole luotu pelkästään tekoälyn toimesta, ja tekoälyä käytetään työkaluna ihmisen luovuuden edistämiseen. Se selittää myös järjestelmälle annettujen kehotteiden tärkeyden, joiden on oltava riittävän luovia. Tässä ajatuksessa, jos taiteilija muokkaa, järjestää tai valitsee tekoälyn luoman sisällön elementtejä, tämä sisältö... voisi saada osittaisen tekijänoikeussuojan.

Globaalista näkökulmasta jokainen maa käsittelee tekoäly- ja tekijänoikeuskysymyksiä eri tavoin. Esimerkiksi 6. elokuuta 2023 julkaistussa Euroopan unionin tekoälylaissa mainitaan tekoälyjärjestelmien velvollisuus noudattaa immateriaalioikeuksia, mikä tarkoittaa, että tekoälymallien tarjoajien on "jaettava julkisesti yksityiskohtainen yhteenveto tekoälymallien kouluttamisessa käytetyistä teksteistä ja tiedoista" (Fitzpatrick, 2025).

Koska lainsäädäntö on vielä kehittymässä näiden uusien teknologioiden mukaiseksi, emme välttämättä pysty antamaan selkeää vastausta tekoälyn tekijänoikeuksiin taiteessa tai käännöksissä. Tekoälykehittäjien tulisi kuitenkin varmistaa, että he noudattavat lakia koulutusmallejaan varten hankkimansa datan suhteen. Tämä edellyttää asianmukaisten lisenssien hankkimista ja korvausten maksamista niille henkilöille, jotka omistavat immateriaalioikeudet, joita he haluavat sisällyttää koulutustietojoukkoihinsa (Deloitte AI Institute, nd).

Yhteenveto 

Tekoälyn maailma muuttuu jatkuvasti. Teknologiaa itseään parannetaan päivä päivältä ja sitä sisällytetään yhä useammille elämänalueille ja osa-alueille. Valitettavasti lait eivät voi kehittyä yhtä nopeasti – edes digitalisoituneessa maailmassa. Tekoälyllä on todellakin potentiaalia luovuuteen tai työtehtävien nopeuttamiseen, mutta kehitystapansa vuoksi se rikkoo useita lakeja. Kuten näimme, immateriaalioikeuksilla on suuri rooli luovuuden alueella, mutta tekoälyohjelmoijat eivät näytä välittävän siitä paljoakaan, ja mikä parasta, heitä ei pakoteta noudattamaan lakia, koska tekoälyn ja tekijänoikeuksien sääntely on selvästi puutteellista. Tämä teknologia voi käyttää vain sitä, mitä sille on syötetty, ja se on suurimmaksi osaksi tekijänoikeuksin suojattua teosta. 

Useita ratkaisuja on jo ehdotettu, ja yhä useammat yritykset, organisaatiot ja maat pyrkivät parhaillaan nostamaan esiin tekoälyyn liittyviä oikeudellisia kysymyksiä eri aloilla. Ensimmäinen väite koskee tekoälyjärjestelmien koulutukseen tai vastausten tuottamiseen käyttämien lähteiden läpinäkyvyyttä sekä läpinäkyvyyttä tekoälyn yleisen toimintatavan suhteen, mikä voi olla kohtalokasta tekoälyohjelmoijille. Joillakin mailla on omat ratkaisunsa, ja Euroopan Unioni johtaa taistelua läpinäkyvyyden vuoksi.

Helmikuussa 2025 Pariisissa järjestettiin tekoälyhuippukokous (AI Action Summit). Sen tavoitteena oli "luoda yhdessä tieteelliset perusteet, ratkaisut ja standardit kestävämmälle tekoälylle, joka toimii kollektiivisen edistyksen ja yleisen edun hyväksi" (France Diplomacy, 2025). Kokoukseen osallistui yli 800 ihmistä. Tulokset osoittivat seuraavaa: halukkuutta luoda kestävä, turvallinen, luotettava ja läpinäkyvä tekoäly ja käyttää sitä viisaasti siellä, missä sitä eniten tarvitaan, kuten terveydenhuollossa ja/tai koulutuksessa. Vaikka lopullisen sopimuksen allekirjoitti 62 maata, Yhdysvallat – vaikka se on yksi tekoälyn alan johtavista maista – ei tehnyt niin.
 

Bibliografia

Kauppaan liittyvistä teollis- ja tekijänoikeuksista tehty sopimus (TRIPS-sopimus). (nd). WIPO Lex. Haettu 16. helmikuuta 2025 osoitteesta https://www.wipo.int/wipolex/en/treaties/details/231

Tekoälytoimien huippukokous (10. ja 11. helmikuuta 2025)(2025). Ranskan diplomatia - Eurooppa- ja ulkoministeriö. https://www.diplomatie.gouv.fr/en/french-foreign-policy/digital-diplomacy/news/article/ai-action-summit-10-11-feb-2025

AI Action Summit -konferenssi: tekoäly, tiede ja yhteiskunta. (2025, 6. helmikuuta). Institut Polytechnique de Paris. https://www.ip-paris.fr/en/news/ai-action-summit-conference-ai-science-and-society-ip-paris

Tekoäly ja tekijänoikeudet: Yhdysvaltain tekijänoikeusviraston toisen tekijänoikeudellista suojaa koskevan raportin ymmärtäminen(2025. helmikuuta 10). Dreyfus. https://www.dreyfus.fr/en/2025/02/10/ai-and-copyright-understanding-the-u-s-copyright-offices-second-report-on-copyrightability/

Tekoäly ja immateriaalioikeudet. (nd). WIPO Pearl. Haettu 16. helmikuuta 2025 osoitteesta https://www.wipo.int/about-ip/en/frontier_technologies/ai_and_ip.html

Bernin yleissopimus kirjallisten ja taiteellisten teosten suojaamisesta. (nd). WIPO Pearl. Haettu 16. helmikuuta 2025 osoitteesta https://www.wipo.int/treaties/en/ip/berne/index.html

Bharati, RK (2024). Tekoäly ja immateriaalioikeudet: oikeudelliset viitekehykset ja tulevaisuuden suunnat. Kansainvälinen oikeustieteen, oikeuden ja oikeustieteen aikakauslehti, 4(2), 207-215. https://doi.org/10.22271/2790-0673.2024.v4.i2c.141

Bird & Bird LLP, Käännöstoiminnan pääosasto (Euroopan komissio), Debussche, J., & Troussel, J.-C. (2014). Käännös ja immateriaalioikeudet: loppuraporttiEuroopan unionin julkaisutoimisto. https://data.europa.eu/doi/10.2782/72107

Blésius, C. (toinen osa). Tekijänoikeudet ja kääntäjä. Kuka omistaa käännöksesi? Haettu 16. helmikuuta 2025 osoitteesta https://cblesius.co.uk/articles/CopyrightAndTheTranslator-WhoOwnsYourTranslations.html

Creamer, E. (2024. huhtikuuta 16). Tutkimus osoittaa generatiivisen tekoälyn olevan merkittävä uhka kääntäjien työlle. Guardian. https://www.theguardian.com/books/2024/apr/16/survey-finds-generative-ai-proving-major-threat-to-the-work-of-translators

Devin, V. (2025. tammikuuta 29). Menneisyydestä tulevaisuuteen: tekoälyn vaikutus käännösteknologiaan - Lokalisoi artikkelit. Paikoita. https://localizejs.com/articles/the-impact-of-ai-on-translation-technology

Fitzpatrick, D. (2025. helmikuuta 3). Uusi tekijänoikeussääntö teki juuri tekoälytaidoista suurimman edunForbes. https://www.forbes.com/sites/danfitzpatrick/2025/02/03/new-copyright-ruling-just-made-ai-skills-the-biggest-advantage/

Gil, A., Juliana, N. ja David, AS (2023. huhtikuuta 7). Generatiivisella tekoälyllä on immateriaalioikeusongelmaHarvard Business Review. https://hbr.org/2023/04/generative-ai-has-an-intellectual-property-problem

Guadamuz, A. (2017. lokakuuta 1). L'intelligence artificielle et le droit d'auteur. OMPI-lehti. https://www.wipo.int/fr/web/wipo-magazine/article-details/?assetRef=40141&title=artificial-intelligence-and-copyright

Hartley, V. (toinen osa). Tekoälykäännös vai konekääntäminen: Mitä eroa niillä on? Language Wire. Haettu 16. helmikuuta 2025 osoitteesta https://www.languagewire.com/en/blog/ai-translation-vs-machine-translation

Tekoälyn käyttö oikeudellisissa käännöksissä: hyödyt, rajoitukset ja parhaat käytännöt(2024. heinäkuuta 1). LegalTranslations.com. https://www.legaltranslations.com/fr/blog/how-to-use-ai-for-legal-translations

Immateriaalioikeudet ChatGPT:ssä(2023. helmikuuta 20). Euroopan komissio. https://intellectual-property-helpdesk.ec.europa.eu/news-events/news/intellectual-property-chatgpt-2023-02-20_en

Johdatus tekoälykääntämisen ja suosittujen ohjelmistojen historiaan. (2022, 19. joulukuuta). Human Science Co., Ltd. https://www.science.co.jp/nmt/blog/32553/

Kupferschmid, K. (2024. joulukuuta 12). Näkemyksiä tekoälyn tekijänoikeusrikkomustapauksissa annetuista oikeuden määräyksistä. Copyright Alliance. https://copyrightalliance.org/ai-copyright-infringement-cases-insights/

Lacruz Mantecón, ML (2023). Tekijyys ja oikeuksien omistajuus konekäännöksen aikakaudella. Teoksessa H. Moniz & C. Parra Escartín (toim.), Kohti vastuullista konekääntämistä: eettisiä ja oikeudellisia näkökohtia konekäännöksessä (s. 71–92). Springer International Publishing. https://doi.org/10.1007/978-3-031-14689-3_5

Leschen, S. (2024, 27. syyskuuta). Käännös, suojelemisen arvoinen taideKäännös- ja tulkkausinstituutti. https://www.iti.org.uk/resource/translation-an-art-worth-protecting.html

Lucchi, N. (syyskuu 2024). ChatGPT: Tapaustutkimus tekijänoikeushaasteista generatiivisille tekoälyjärjestelmille. Cambridge University Press. https://www.cambridge.org/core/journals/european-journal-of-risk-regulation/article/chatgpt-a-case-study-on-copyright-challenges-for-generative-artificial-intelligence-systems/CEDCE34DED599CC4EB201289BB161965

Madigan, K. (2024. elokuuta 29). Tärkeimmät havainnot Andersen v. Stability AI -tekijänoikeustapauksen määräyksestä. Copyright Alliance. https://copyrightalliance.org/andersen-v-stability-ai-copyright-case/

Mohamed, YA, Khanan, A., Bashir, M., Mohamed, AHHM, Adiel, MAE, ja Elsadig, MA (2024a). Tekoälyn vaikutus kielenkääntämiseen: Katsaus. IEEE-käyttöoikeus, 12, 25553-25579. https://doi.org/10.1109/ACCESS.2024.3366802

Moneus, AM, & Sahari, Y. (2024). Tekoäly ja ihmisen tekemä käännös: Oikeudellisiin teksteihin perustuva kontrastiivinen tutkimus. Heliyon, 10(6). https://doi.org/10.1016/j.heliyon.2024.e28106

Ong, J., Lo Khai Yi ja Winn Wong, HW (2024, 3. syyskuuta). EU:n tekoälylaki: Olennainen opas tekijänoikeuslain noudattamiseen yleiskäyttöisissä tekoälymalleissaChambers and Partners. https://chambers.com/articles/eu-ai-act-the-essential-guide-to-copyright-compliance-for-general-purpose-ai-models

Smith, R. (2009. marraskuuta 19). Käännösmuistien omistajuuteen liittyvät tekijänoikeusongelmat. Kääntämisen ja tietokoneen julkaisut 31TC 2009, Lontoo, Iso-Britannia. https://aclanthology.org/2009.tc-1.13/

Lausunto osallistavasta ja kestävästä tekoälystä ihmisiä ja planeettaa varten. (2025. helmikuuta 11). Elysée. https://www.elysee.fr/en/emmanuel-macron/2025/02/11/statement-on-inclusive-and-sustainable-artificial-intelligence-for-people-and-the-planet

Generatiivisen tekoälyn oikeudelliset vaikutukset. (nd). Deloitten tekoälyinstituutti. Haettu 16. helmikuuta 2025 osoitteesta https://www2.deloitte.com/us/en/pages/consulting/articles/generative-ai-legal-issues.html

Koulutetut käännösmallit. (nd). Wonk.Ai. Haettu 16. helmikuuta 2025 osoitteesta https://wonk.ai/en/training-of-translation-models/

Jaa tämä artikkeli: